从postscript中提取文本和/或使用python创建覆盖

Question

我试图从一个postscript文档中自动提取一个地址，该文档被redmon截获并通过管道传输到python程序。我已经到了可以捕获postscript输出（并将其写入文件）的地步，但我仍停留在提取部分。在

在python中是否有一种好的/可靠的方法来实现这一点，或者我需要通过ps2ascii运行postscript文件并希望得到最好的结果？在

如果有其他语言的工具可以做到这一点，我很乐意对它们进行评估。在

Answer 1

自从我评论过ps2ascii占用空间很大：这里有一个“80%”的解决方案，可以使用python提取postscript文件中的字符串。在

import fileinput
for line in fileinput.input():
 for p in line.replace('\\(','EscapeLP').replace('\\)','EscapeRP').split('(')[1:]:
  print p[:p.find(')')].replace('EscapeLP','(').replace('EscapeRP',')')

注意，格式精良的postscript通常会将字符串拆分成小块（甚至是单个字符）。ps2ascii很好地将它们拼凑在一起，而我的简单脚本显然不会。在

Answer 2

实际上，在大多数情况下，只解析Postscript就足够了，因为Postscript文档是一个普通的文本文件。在

作为一个澄清：是的，我知道Postscript文档显示的是一个程序的结果，这个程序用一种叫做Postscript的漂亮的反向或反向美丽的语言编写。然而，在大多数情况下，对程序源进行grep就足够了。在其他一些情况下，文本可能被编码为曲线或位图，只有对渲染输出进行OCR处理，才能提取文本。在

底线：这取决于您要提取的信息类型，以及postscript文件的类型。在我看来，ps2ascii是一个很好的工具，也是解决这个问题的一种方法，但是这种方法（i）不能保证成功（可能比greping源代码稍微多一些）（ii）在很大程度上只是去除了运算符，并且（iii）在某些情况下，可能会导致文本的丢失。在